[論文レビュー] Automatic Resource Allocation in Business Processes: A Systematic Literature Survey

Luise Pufahl, Sven Ihde+3 more|arXiv (Cornell University)|Jul 15, 2021

Business Process Modeling and Analysis参考文献 69被引用数 12

ひとこと要約

本システマティックレビューでは、ビジネスプロセスにおける自動リソース割り当てに関する49件の研究を統合し、目的、データ使用、アルゴリズム、成熟度の観点からアプローチを分類している。ルールベース手法が主流であることが判明し、機械学習やヒューリスティクスの利用が増加している。実装の可用性やデータ駆動型意思決定におけるギャップが浮き彫りにされた。

ABSTRACT

For delivering products or services to their clients, organizations execute manifold business processes. During such execution, upcoming process tasks need to be allocated to internal resources. Resource allocation is a complex decision-making problem with high impact on the effectiveness and efficiency of processes. A wide range of approaches was developed to support research allocation automatically. This systematic literature survey provides an overview of approaches and categorizes them regarding their resource allocation goals and capabilities, their use of models and data, their algorithmic solutions, and their maturity. Rule-based approaches were identified as dominant, but heuristics and learning approaches also play a relevant role.

研究の動機と目的

• 研究者および実務家向けに、ビジネスプロセスにおける自動リソース割り当てアプローチの包括的で構造的な概要を提供すること。
• 既存のアプローチの最適化目的、データソース、アルゴリズム的手法、成熟度レベルを特定および分類すること。
• 研究者が未解決の課題を特定し、実務家が自らのユースケースに適した割り当て手法を選択するのを支援すること。
• プロセスマップ、イベントログ、機械学習の使用を含む、現在の研究状況を評価し、未開拓の分野を浮き彫りにすること。

提案手法

• IEEE Xplore、ACM Digital Library、Springerなどを含む複数の学術データベースを対象に、事前に定義された検索基準を用いたシステマティックレビュー（SLR）を実施した。
• 再現性を確保し、選択バイアスを最小限に抑えるために、PRISMAガイドラインを適用して研究をスクリーニングおよびフィルタリングした。
• 20年間の範囲に限定し、査読付きジャーナル論文および会議論文を対象に、適合基準と除外基準を適用した結果、49件の主要研究を選定した。
• リソース割り当ての目的、プロセスマップおよびデータの使用、入力データの種別、アルゴリズム的ソリューション、成熟度レベルの5つの次元からデータを抽出・コード化した。
• 主観性を低減するため、標準化されたコード化フレームワークとインタールーパー検証を用いた。
• 今後の研究や比較を支援するため、割り当て意思決定に使用されるリソースおよびタスクの属性の分類体系（ファセット）を構築した。

実験結果

リサーチクエスチョン

• RQ1 既存のアプローチで主に扱われているリソース割り当ての目的と能力は何か？
• RQ2 プロセスマップおよびプロセスデータ（例：イベントログ）は、リソース割り当て意思決定をどのように支援しているか？
• RQ3 異なるアプローチは、割り当てをガイドするために、どのような入力データおよび属性を利用しているか？
• RQ4 ルール、ヒューリスティクス、機械学習などのアルゴリズム的戦略が採用されており、それらはローカル最適化かグローバル最適化をサポートしているか？
• RQ5 実装の可用性および実証的評価の観点から、提案されたアプローチの成熟度はどの程度か？

主な発見

• ルールベース手法が最も主流であり、リアルタイムのビジネスプロセス実行において高速性と単純さが評価されている。
• ヒューリスティクスおよび線形計画法が広く使用されており、特に作業負荷のバランス調整やサイクル時間・コストの最小化に用いられている。
• 機械学習アプローチは、高品質で代表的な歴史的データが入手可能な場合に急速に採用され、文脈に応じた柔軟で適応的な割り当てを可能にしている。
• 少数の研究のみが公開可能なプロトタイプを提供しており、大多数の評価は実世界の展開ではなくシミュレーションに依存している。
• 多くのアプローチが1対1のタスク-リソース割り当てに焦点を当てているが、1対多、多対1、さらには多対多の割り当てをサポートするアプローチも増加傾向にある。
• イベントログなどのプロセスデータを活用して、根拠に基づくデータ駆動型の割り当て意思決定を行う分野には、顕著な研究ギャップが存在するが、そのデータの可用性は増している。